CURSO:

CONTROL ESTADISTICO DE LA
CALIDAD

Prof. Zoila Lpez Salavarra

zoila.lopez@upn.pe
 UNIDAD 1:
FUNDAMENTOS BSICOS DE CALIDAD Y
ESTADSTICA

SESIONES A DESARROLLAR:
Conceptos bsicos de la calidad.
Estadstica descriptiva.
Distribuciones de probabilidades
 Estadstica Descriptiva

Logro de la Sesin: Los alumnos al finalizar la

sesin utiliza las principales tcnicas para realizar
un anlisis descriptivo de un conjunto de datos,
donde observe la tendencia central, la
variabilidad, as como la forma de distribucin de
los datos y aplica stas medidas en el clculo de
los lmites reales de un proceso o la estimacin de
los lmites de tolerancia.
 Conceptos bsicos
de estadstica descriptiva
Medidas de tendencia central
Medidas de dispersin o variabilidad
Grupo de Datos y Muestreo
Medidas de tendencia central

Media
Mediana
Moda
La Media es el promedio

o Medida de tendencia
central que es igual al
promedio aritmtico de
un conjunto de datos.
Media muestreal,
Media poblacional,
 Mediana o percentil 50 (punto medio)

Es igual al valor que divide a la mitad a los datos

cuando son ordenados de menor a mayor.

Reduce el efecto de los valores extremos.

Cuando un set de datos tiene un nmero par de valores,
la mediana es el promedio de los dos nmeros del
medio.
 Moda

Es igual al dato que ocurri ms nmero de veces.

El punto ms alto de un histograma

Medidas de dispersin o
variabilidad
Desviacin estndar
Rango
Coeficiente de variacin
 Desviacin estndar

o Es la medida ms usual de variabilidad. Mide que tan

esparcidos estn los datos respecto a la media.

= Desviacin estndar de la poblacin.

s = Desviacin estndar de la muestra
 Rango
o Medicin de la variabilidad de un conjunto de datos
que es resultado de la diferencia entre el dato mayor
y el dato menor de la muestra.
 Coeficiente de variacin
Medida de variabilidad que se obtiene al dividir la
desviacin estndar entre la media y es til para
comparar la variacin de dos o ms variables que estn
medidas en diversas escalas
 Ecuaciones

Media muestral Desviacin estndar muestral

x x
n 2

_ xi S i

n 1
x i 1
n
Coeficiente de variacin Rango

CV 100 R xmx xmn
x
 Observaciones
o La media se ve afectada por valores extremos; en estos
casos la medida de tendencia central valida es la
mediana. Ejm:
1 100, 1 300, 1 000, 1 500, 800, 1 600, 1 100; calcular el promedio y la
mediana.
1 100, 1 300, 1 000, 1 500, 800, 1 600, 1 100, 7 600; calcular el promedio y
la mediana.
o Si la media es muy diferente a la mediana es seal de la
existencia de datos raros; reportar la mediana e
investigar la causa del dato o datos extremos.
o Para describir la tendencia central de los datos es
imprescindible apoyarse tanto en la media como en la
mediana y la moda.
 Observaciones
o La media del proceso o media poblacional (), se estima
calculando la media de las medias muestreales.
o Para estimar , se toman por lo menos 20 a 30
muestras de entre 5 a 10 piezas cada una,
espacindolas un lapso de dos o ms das.
o Las medidas de tendencia central no son suficientes
como criterio de calidad ya que no toman en cuenta
que tan dispersos estn los datos.
o Para estimar la desviacin estndar del proceso o
poblacional () se debe contar con un nmero grande
de datos que hayan sido obtenidos en un lapso amplio
de tiempo (por lo menos una semana).
 Distribucin Normal
DISTRIBUCIN SIMTRICA
moda = mediana = promedio
Frequency

Value
 Distribucin Descentrada
o Descentrada Positivamente
En una
distribucin
asimtrica a la
derecha, la media
es mayor a la
mediana, y esta a
su vez es mayor
que la moda
Frequency

(X>Me>Mo).

(X>Me>Mo)
Value
 Distribucin Descentrada
o Descentrada Negativamente

En una distribucin
asimtrica a la
izquierda, la relacin se
invierte, la moda es

Frequency
mayor a la mediana, y
esta a su vez mayor que
la media
(Mo > Me > X)

(X < Me < Mo). Value

Media muestral y distribucin del
proceso
Media

Distribucin
del proceso

425 Gramos
 Media muestral y distribucin del
proceso
Media
Distribucin
de las medias
de las muestras
Distribucin
del proceso

425 Gramos
Distribucin normal

= Desviacin estndar

Media
3 2 1 +1 +2 +3
68.26%
95.44%
99.74%
 Observaciones
o Regla emprica: Muchos de los datos que surgen en la
prctica se ha observado por la experiencia que:
Entre - S y + S, est el 68% de los datos de la muestra
Entre - 2S y + 2S, est el 95% de los datos de la muestra
Entre - 3S y + 3S est el 99.7% de los datos de la muestra
Esta regla aplica a las distribuciones con forma de
campana
o Los intervalos anteriores son vlidos para los datos
muestreales y no necesariamente para toda la
poblacin o proceso. Sin embargo, si los intervalos se
calculan con la media y desviacin estndar del proceso
o poblacin, entonces sern vlidos para toda la
poblacin.
 Estimacin de los parmetros del proceso
o Para evaluar en forma mas precisa la capacidad del
proceso se requiere conocer por lo menos dos
parmetros del mismo, como son su media, , y su
desviacin estndar, , ya que as se podrn calcular
los lmites reales y los ndices de capacidad.
o Si no se conoce estos valores, una forma de
estimarlos en procesos que producen un alto
volumen de piezas, es aplicar los siguientes pasos:
Tomar un lapso de dos o mas das, por lo menos 20 a 30 muestras, de
entre 3 a 10 piezas cada una. La obtencin de las muestras debe ser
espaciada mas o menos igual, ej. cada media hora
A cada una de las k muestras obtenidas, se les calcula la media y el rango
muestreal.
Se calcula la media de las medias y la media de los rangos
ESTIMACION DE LOS LMITES
NATURALES DE UN PROCESO
Lmites naturales o reales de un proceso
o Tambin conocidos como lmites naturales de
tolerancia de un proceso.
o Son aquellos entre los cuales por lo regular vara el
proceso, y por lo general se obtienen de la siguiente
manera:
Lmite real inferior (LRI) = 3
Lmite real superior (LRS) = + 3
o Si la caracterstica de calidad tiene una distribucin
normal (, ), entonces 99.73% de la distribucin se
localiza dentro de los lmites naturales
 Estimacin de los lmites naturales de
tolerancia de un proceso
o Conocer la media y la desviacin estndar es relativamente
fcil en un proceso que est en operacin; sin embargo,
cuando el diseador requiere establecer tolerancias, por lo
general el proceso an no est operando o no produce el
producto de inters, por lo que en estos casos es difcil que
se conozcan y o que se estimen con buena precisin.
o Por ello, ser necesario estimar y con base en muestras
casi siempre pequeas y, en consecuencia, si los lmites
naturales se calculan con X y S entonces los valores no
sern los mismo que si se usan parmetros poblacionales.
 Estimacin de los lmites naturales de
tolerancia de un proceso
Es posible determinar una constante K tal que con una
confianza de por ciento los intervalos de la forma:
X K (,) S
Incluyan por lo menos (1 /2) x 100% de la
distribucin del proceso. En la tabla A7 se dan valores
de K , para valores de n entre 5 y 1000, = 90%, 95%,
9% y = 0.10, 0.05, 0.01. De la tabla se observa que
conforme el tamao de muestra crece, el valor de K ,
tiende al percentil Z (/2) de la distribucin normal
 Ejemplo
o En una empresa que manufactura piezas de inyeccin de
plstico se proyecta la produccin de una nueva pieza. Son
varias sus caractersticas de calidad: peso de la preforma,
contenido, resistencia, etc. Por ello, con la idea de tener
informacin para establecer las tolerancias se produce a
manera de prueba, un pequeo lote de 20 piezas. Se obtiene
que Xprom = 36.0167 g y S = 0.1870 g. Se tiene n = 20, se desea
una probabilidad o confianza de = 90% y una cobertura de los
lmites de tolerancia de 99%, por lo que = 0.001.
o De la tabla A7 se obtiene que K = 3.368, por lo tanto los lmites
naturales de tolerancia para el peso ser:
Xprom K (90, 0.01) S
resultados?
 Ejemplo
o = 36.0167 3.368 x 0.1870 = [ 35.3869 , 36.6465 ]
o Con una probabilidad o confianza () de 90%, el 99% de la
distribucin del peso de la preforma de la pieza se encuentra
entre 35.3869 y 36.6465 g. Estos lmites pueden ser usados
como informacin por el diseador del producto para
establecer las especificaciones.
 Revisar para prxima clase:

- Introduccin a la probabilidad:
- Conceptos distribuciones discretas y continuas
- Distribuciones de Probabilidades.
RESOLUCION DE EJERCICIOS